AI-суммаризация на базе Qwen3 VL
Главное нововведение в проекте — интеграция модели Qwen3 VL для генерации текстовых сводок о событиях. Теперь вместо сухих алертов система формирует понятные описания: что именно произошло, кто или что было обнаружено. Это значительно снижает информационный шум и ускоряет реакцию на инциденты.
Функционал и интеграции
Clearcam позиционируется как универсальное решение (NVR + инференс) на Python. Ключевые возможности включают:
- Детекция и трекинг объектов: Автоматическое распознавание людей и предметов в реальном времени.
- Гибкие уведомления: Поддержка кастомных URL для отправки алертов. В репозитории есть готовый сервер для Pushover, но можно интегрировать Home Assistant, n8n или любые другие сервисы.
- Безопасность: Все данные передаются с end-to-end шифрованием.
- Удаленный доступ: Просмотр стримов и клипов событий через веб-интерфейс или мобильное приложение.
Технические требования и запуск
Проект работает на Python 3.11+ и поддерживает macOS, Linux и Windows (с нюансом: на Windows требуется ручная настройка ffmpeg). Для оптимизации производительности предусмотрены флаги:
DEV=AMDилиDEV=NV— для принудительного использования GPU вместо CPU.BEAM=2— для повышения производительности (увеличивает время ожидания при первом запуске).
Мобильное приложение и Premium
Разработчики выпустили нативное iOS-приложение, доступное для сборки из исходного кода (требуется Xcode, iOS 15+, iPhone SE 1-го поколения или новее). Приложение не требует сторонних зависимостей.
Платная подписка Clearcam Premium открывает доступ к удаленному просмотру стримов, истории событий и уведомлениям. Регистрация доступна на clearcam.org или внутри приложения.
Быстрый старт
Для тестирования без покупки камер можно использовать публичный поток с туннеля Ашу:
https://webcam.elcat.kg/Too-Ashu_Tunnel_North/index.m3u8
Установка и запуск выполняются стандартными командами pip и Python:
pip install -r requirements.txt
python3 clearcam.py
После запуска веб-интерфейс доступен по адресу localhost:8080.
Источник: Github ↗